深度学习与超声弹性成像在乳腺癌机会筛查中的应用
2021年3月23日 更新者：Peking Union Medical College Hospital
深度学习诊断与超声弹性成像在乳腺癌机会筛查中的多中心研究
作为世界范围内最常见的癌症，乳腺癌的超声诊断准确性仍不尽如人意。
S-detect 是一个复杂的 CAD 系统，用于基于深度学习算法的乳腺超声成像。
E-breast是一款安装在美国机器上的软件，可以自动显示肿瘤弹性成像特征。
这项多中心研究旨在进一步验证 S-detect 和 E-breast 在中国机会性乳腺癌筛查人群中的诊断效率。
我们的假设是，与医生进行的常规美国检查相比，S-detect 和 E-breast 可以提高诊断的准确性和特异性。
研究概览
地位
完全的
条件
研究类型
观察性的
注册 (实际的)
1200
联系人和位置
本节提供了进行研究的人员的详细联系信息，以及有关进行该研究的地点的信息。
学习地点
-
-
Beijing
-
Beijing、Beijing、中国、100730
- Peking Union Medical College Hospital
-
-
参与标准
研究人员寻找符合特定描述的人，称为资格标准。这些标准的一些例子是一个人的一般健康状况或先前的治疗。
资格标准
适合学习的年龄
18年 及以上 (成人、OLDER_ADULT)
接受健康志愿者
不
有资格学习的性别
女性
取样方法
概率样本
研究人群
无症状女性患者自愿到综合性医院进行乳腺超声检查进行乳腺癌筛查。
描述
纳入标准：
- 18岁以上的女性；
- 有通过超声波检测到的乳房病变。
- 无乳头溢液等临床症状，乳房未触及病变。
- 超声检查后一周内接受了乳房手术。
- 同意参加本研究并签署知情同意书。
排除标准：
- 在超声检查前接受过乳腺病变活组织检查的患者。
- 怀孕或哺乳期患者。
- 正在接受新辅助治疗的患者。
学习计划
本节提供研究计划的详细信息，包括研究的设计方式和研究的衡量标准。
研究是如何设计的？
设计细节
研究衡量的是什么？
主要结果指标
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
病理学确定的良性或恶性病变
大体时间：从2019.1.1到2020.1.1
|
手术标本良恶性病变的病理诊断
|
从2019.1.1到2020.1.1
|
合作者和调查者
在这里您可以找到参与这项研究的人员和组织。
合作者
研究记录日期
这些日期跟踪向 ClinicalTrials.gov 提交研究记录和摘要结果的进度。研究记录和报告的结果由国家医学图书馆 (NLM) 审查，以确保它们在发布到公共网站之前符合特定的质量控制标准。
研究主要日期
学习开始 (实际的)
2019年1月1日
初级完成 (实际的)
2021年1月1日
研究完成 (实际的)
2021年1月1日
研究注册日期
首次提交
2019年2月21日
首先提交符合 QC 标准的
2019年2月21日
首次发布 (实际的)
2019年2月22日
研究记录更新
最后更新发布 (实际的)
2021年3月26日
上次提交的符合 QC 标准的更新
2021年3月23日
最后验证
2021年3月1日
更多信息
此信息直接从 clinicaltrials.gov 网站检索，没有任何更改。如果您有任何更改、删除或更新研究详细信息的请求，请联系 register@clinicaltrials.gov. clinicaltrials.gov 上实施更改，我们的网站上也会自动更新.